La IA y los problemas difíciles del mundo · Medicina y descubrimiento de fármacos · Nature (computational biology) · 2026-10-16
Un marco de validación en varias etapas para la extracción fiable de información clínica a gran escala mediante modelos de lenguaje de gran tamaño
Título original: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
Validar modelos de lenguaje de gran tamaño para la extracción de información clínica suele requerir una costosa anotación manual. Los autores propusieron un marco de varias etapas que combina filtrado basado en reglas, fundamentación semántica, evaluación mediante un LLM juez, revisión por expertos y análisis de validez predictiva. Aplicado a diagnósticos de trastornos por consumo de sustancias en 919,783 notas clínicas, eliminó el 14.59% de las extracciones positivas del LLM por considerarlas infundadas o inverosímiles. El LLM principal alcanzó una puntuación F1 de 0.80 frente a las evaluaciones del juez, y los diagnósticos que extrajo predijeron la posterior atención especializada mejor que las líneas base de datos estructurados.